Algoritmo basado en el ECG para la anotación de episodios de resucitación

Abstract

[ES]La parada cardiorrespiratoria extrahospitalaria (PCREH) constituye una de las mayores causas de muerte en países desarrollados. Las guías de resucitación recomiendan diferentes tratamientos dependiendo del ritmo cardíaco del paciente. El objetivo de este trabajo es desarrollar un algoritmo basado en el procesamiento de la señal ECG para anotar automáticamente los ritmos cardíacos en episodios de resucitación, una herramienta clave para evaluar retrospectivamente el efecto de las terapias en la respuesta del paciente (el ritmo) y mejorar la calidad del tratamiento. Este trabajo ayudaría a automatizar la anotación de bases de datos ya que la anotación manual de ritmos es una tarea que conlleva mucho tiempo y puede ser un obstáculo para el manejo de grandes conjuntos de datos. Para llevar a cabo este proyecto se ha partido una base de datos compuesta por 1631 segmentos de 3 segundos extraídos de una gran base de datos que contiene 298 episodios de PCREH. Para revisar los segmentos, se ha desarrollado una interfaz gráfica capaz de mostrar los ECGs clasificados según el tipo de arritmia: asistolia (AS), taquicardia ventricular (TV) que degenera en fibrilación ventricular (FV), actividad eléctrica sin pulso (PEA) y ritmo generado por pulso (PR). La base de datos se ha procesado mediante un algoritmo de aprendizaje automático evaluado mediante validación cruzada. Se han desarrollado dos clasificadores extrayendo cinco características del ECG, uno para discriminar las AS y el segundo para discriminar ritmos organizados (PR y PEA) de ritmos ventriculares (TV y FV), y que posteriormente se han combinado para obtener un algoritmo de clasificación en tres clases. El rendimiento total del clasificador general ha sido de 90.9% Se ha obtenido un algoritmo preciso para la clasificación del ritmo del paciente en PCREH en tres categorías: AS, organizado, y desfibrilable. Este instrumento puede ser implementado para analizar episodios de resucitación con tan solo registros de 3 segundos de ECG y capaz de ser integrado en nuevos métodos para el análisis retrospectivo de PCREH. Los resultados demuestran que es posible interpretar ritmos cardiacos de reanimación automáticamente, pero la precisión debe ser mejorada. Aun así, este tipo de algoritmos pueden ser muy eficientes ya que la clasificación puede ser hecha eficientemente con la mínima supervisión de expertos clínicos.

[EU]Herrialde garatuetan lehen heriotza kausetako bat bihotz-biriketako gelditzea da. Berpizte gidek tratamendu desberdinak gomendatzen dituzte pazientearen bihotz erritmoaren arabera. Lan honen helburua elektrokardiograman (EKG) oinarritutako berpizte erritmoen anotazio automatikorako algoritmo bat garatzea da. Tresna honen bidez datubase zabalak anotatu daitezke eta modu erretrospektiboan aztertu terapiak pazientearengan zer nolako erantzuna (erritmoa) eragiten duen. Algoritmoak lagunduko luke datu-baseen anotazioa automatizatzen, zeren eta erritmoetako eskuzko anotazioa denbora asko behar duen eginkizuna da, datubase zabalen anotazioa zailduz edota garestituz. Proiektu hau aurrera eramateko, 3 segunduko 1631 segmentu dituen datu base bat eskuragarri dago, 298 ospitaletik kanpoko berpizte kasuz osatutako datu-base zabalago batetik atera direnak. Segmentuen anotazioa aztertzeko interfaze grafiko bat programatu da, non EKG seinaleak bihotz erritmoaren arabera salikaturik ikus daitezkeen: asistolia (AS), fibrilazio bentrikularra (FB) eta takikardia bentrikularra (TB), pultsu gabeko aktibitate elektrikoa (PEA) eta pultsua sortzen duten erritmoak (PR). Balidazio gurutzatuaren bidez ebaluatutako ikasketa-automatikoko algotimoarekin prosezatu da datu-base osoa. Bi sailkatze-algoritmo garatu dira EKG-aren bost ezaugarri aukeratuz, bata AS diskriminatzeko eta bestea erritmo organizatuak (PEA eta PR) erritmo bentrikularretatik (TB eta FB) bereizteko. Azkenik bien konbinazioaren bitartez EKGa hiru klasetan sailkatzen duen algoritmoa lortu da. Algoritmoaren errendimendua %90.9 da. Algoritmo zehatza lortu da berpizteko pazienteen erritmoen hiru klaseen sailkapenerako: AS, antolatua, eta desfibrilagarria. Tresna hau 3 segunduko ECG tarteekin erabili daiteke eta berpizte kasuen atzera begirako analisirako erabili daiteke. Emaitzek frogatzen dute berpizteko bihotz-erritmoak automatikoki sailkatzea posiblea dela, baina zehaztasun hobea behar dela. Dena dela, algoritmo mota hauek oso eraginkorrak izan daitezke, aditu klinikoen gainbegiratze minimoarekin sailkapena modu eraginkorrean egin baitaiteke.

[EN]Out-of hospital cardiac arrest (OHCA) is one of the major causes of death in developed countries. Resuscitation guidelines recommend different treatments depending on the heart rhythm of the patient. The objective of this work is to develop a machine learning algorithm based on the ECG signal to automatically label heart rhythms in resuscitation episodes, a key tool for the retrospectively evaluation and improvement of the quality treatment. This work would help to systematise the annotation of databases since manual annotation of rhythms is a time-consuming task which can be an obstacle for handling large data sets. The starting point of this project was a database composed of 1631 intervals of 3 seconds taken from a larger database containing OHCA 298 episodes. To review the ECG segments, a graphical interface (GUI) was developed which allows the display of the ECGs classified by the type of arrhythmia: asystole (AS), ventricular tachycardia (VT) that degenerates into ventricular fibrillation (VF), pulseless electrical activity (PEA) pulse generating rhythms (PR). The database has been processed using a machine learning algorithm and the results obtained using cross-validation. Two classifiers have been developed selecting five features of the ECG, first to identify AS, and then to discriminate organised rhythms (PR and PEA) from ventricular arrhythmias (VT and VF). These algorithms have been combined to create a three class rhythm classification algorithm. The total accuracy of the final algorithm was 90.9%. A precise algorithm was obtained for the classification of OHCA rhythm into: AS, organised, and shockable rhythms. This algorithm can be implemented to analyse resuscitation episodes using 3 seconds ECG segments, and could be integrated into new methods for retrospective analysis of OHCA. The results show that it is possible to automatically interpret resuscitation cardiac rhythms, but the accuracy needs to be improved. Nevertheless, these types of algorithms can be very useful since they allow an efficient rhythm classification with a minimum level of expert clinician supervision.